• icon+90(533) 652 66 86
  • iconnwsa.akademi@hotmail.com
  • icon Fırat Akademi Samsun-Türkiye

Article Details

Article Details

  • Article Code : NWSA-3907-2126
  • Article Type : Araştırma Makalesi
  • Publication Number : 1A0140
  • Page Number : 190-194
  • Doi : 10.12739/
  • Abstract Reading : 1063
  • Download : 131
  • Share :

  • PDF Download

Issue Details

  • Year : 2011
  • Volume : 6
  • Issue : 1
  • Number of Articles Published : 49
  • Published Date : 1.01.2011

Cover Download Context Page Download
Dergi Kapağı
Engineering Sciences

Serial Number : 1A
ISSN No. : 1308-7231
Release Interval (in a Year) : 4 Issues

TUNCELİ İLİ İÇİN GÜNEŞ IŞINIMININ YAPAY SİNİR AĞLARI İLE TAHMİNİ

Erdem ISIK 1

Güneş enerjili sistemlerin tasarımında global güneş ışınımı şiddetinin tahmini oldukça önemlidir. Güneş enerjisi, global güneş ışınımına bağlı olarak ifade edilir. Bu çalışmada, Devlet Meteoroloji İşleri Genel Müdürlüğü’nden temin edilen Tunceli‘ye ait 2005–2009 yılları arasında ölçülmüş; açık gün sayısı, nispi nem, hava basıncı, hava sıcaklığı, güneşlenme süresi, rüzgâr hızı ve güneş ışınım şiddeti değerleri kullanılmıştır. Son yıllarda genişçe kullanım alanı bulan yapay sinir ağları (YSA) metodu ile aylık ortalama güneş ışınımı şiddeti tahmin edilmiştir. Güneş ışınım miktarının tahmini için Geriye yayılımlı (GY) çok katmanlı YSA kullanılmıştır. YSA modelinin performansı orta katmandaki nöron sayısı, giriş sayısı, öğrenme katsayısı gibi parametreler değiştirilerek ayarlanmıştır. Oluşturulan YSA modeli ile global güneş ışınım miktarı yüksek bir hassasiyetle tahmin edilmiştir.

Keywords
Güneş Enerjisi, Işınım, Yapay Sinir Ağları, Meteoroloji, Modelleme,

GLOBAL RADIATION PREDICT BY USING ARTIFICIAL NEURAL NETWORK FOR TUNCELI CITY

Erdem ISIK 1

The prediction of global radiation which is used to obtain the potential of sun energy prediction is very important. Sun energy is expressed in terms of global radiation. In this paper; relative humidity atmospheric pressure, air temperature, sunshine duration, wind speed and amount of global solar radiation belong to Tunceli City between 2005-2009, which were taken from Turkish State Meteorological Service have been used. In this paper, back-propagation (GY) multi layer artificial neural networks were used to estimate monthly mean sun radiation in future. Performance of artificial neural networks was adjusted by changed number of neurons in hidden layer, learning rate and momentum constant. The model based on the artificial neural network (YSA) achieved solar radiation forecasting with high accuracy.

Keywords
Solar Energy, Radiation, Artificial Neural Network, Meteorology, Modeling,

Details
   

Authors

Erdem ISIK (1) (Corresponding Author)
Munzur University
erdem023@gmail.com | 0000-0003-4715-6582

Supporting Institution

 :

Project Number

 :

Thanks

 :
References